| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景 | 第10-11页 |
| ·研究的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·课题研究目标及主要内容 | 第14-15页 |
| ·论文组织结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 Hadoop平台的介绍 | 第16-27页 |
| ·Hadoop平台的背景 | 第16-17页 |
| ·Hadoop分布式文件系统HDFS | 第17-21页 |
| ·HDFS的系统架构 | 第17-18页 |
| ·数据复制 | 第18-19页 |
| ·文件系统元数据的持久化 | 第19页 |
| ·HDFS的通讯协议 | 第19-20页 |
| ·HDFS的健壮性 | 第20-21页 |
| ·Hadoop的MapReduce计算架构 | 第21-25页 |
| ·Hadoop的MapReduce系统架构 | 第21-22页 |
| ·Hadoop的MapReduce计算流程 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 自适应局部超平面K近邻算法的理论模型 | 第27-33页 |
| ·KNN简介 | 第27页 |
| ·HKNN的介绍 | 第27-29页 |
| ·基本算法 | 第28-29页 |
| ·扩展的HKNN算法 | 第29页 |
| ·自适应局部超平面KNN | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 ALH算法的实现与分析 | 第33-44页 |
| ·ALH算法的流程 | 第33页 |
| ·ALH算法的设计 | 第33-36页 |
| ·计算特征权重 | 第33-34页 |
| ·执行分类 | 第34-36页 |
| ·ALH算法的实现 | 第36-38页 |
| ·ALH算法的性能分析 | 第38-39页 |
| ·ALH算法的耗时比例实验 | 第39-41页 |
| ·ALH算法的可并行性挖掘 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 Hadoop平台下的ALH算法的实现 | 第44-55页 |
| ·Hadoop平台下ALH算法的整体设计 | 第44页 |
| ·统计类别均值MeanJob的设计 | 第44-46页 |
| ·计算特征权重的WeightJob的设计 | 第46-48页 |
| ·对测试样本进行分类的ClassifyJob的设计 | 第48-52页 |
| ·ClassifyJob的map设计 | 第48-50页 |
| ·ClassifyJob的reduce设计 | 第50-52页 |
| ·MRALH算法的具体实现 | 第52-54页 |
| ·类图与函数解析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 实验结果与分析 | 第55-61页 |
| ·实验方案设计 | 第55-59页 |
| ·Hadoop集群的设备与配置 | 第55-56页 |
| ·实验评价方法 | 第56页 |
| ·实验的数据 | 第56-59页 |
| ·实验结果以及分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |